Logical schema — Wikipedia Republished // WIKI 2

Что такое моделирование данных?

Моделирование данных (моделирование данных) — это процесс создания модели данных для хранения данных в базе данных. Эта модель данных представляет собой концептуальное представление объектов данных, связей между различными объектами данных и правилами.

Моделирование данных помогает визуально представлять данные и обеспечивает соблюдение бизнес-правил, нормативных требований и государственных политик в отношении данных. Модели данных обеспечивают согласованность в соглашениях об именах, значениях по умолчанию, семантике, безопасности при обеспечении качества данных.

Attributes

An attribute identifies, names and defines a characteristic or property of an entity type.  For example an Item entity type will have an ItemID attribute to unique identify it.  It will have a Name attribute to use in catalogs and labels.

It will have a Description attribute, etc.  Attributes are the most atomic parts of a data model.  They cannot be decomposed into lower level components.  In a relational data model, an attribute cannot exist independently from an entity type.  Accordingly all attributes are always identified and shown as part of entity types.

As discussed under entity type, a primary key is composed of one or more attributes and serves as a unique entity type instance identifier. Attributes used to compose a primary key are listed above a horizontal line in the entity rectangle.

Figure 95 – Sample Item Entity

Conceptual data model, logical data model, and physical data model-detail | pdf | data model | conceptual model

Conceptual, logical and physical data model flashcards | quizlet

Data model as a reflection of business assumptions, constraints and rules

Data models reflect important retail business assumptions and constraints.  For example, the relationship between taxation, merchandise and retailer provided services is explicitly represented in the way items, taxes, tax authorities, retail transactions, inventory control documents, etc. are related in a data model.

The rules governing the way point of sale discounts are treated by a retailer are likewise reflected in the way price modification rules are related to retail transaction sale return items and promotions.  The complex web of relationships that define retailer business rules is explicitly presented through entity relationship models.

Entity types

An entity type is a representation of a person, place, thing, event or concept of interest to a retailer.  Examples of entities include Customer, Item, Retail Store, Web Site, Purchase Order, Retail Transaction – and the list can go on to hundreds of nouns.

Within the ARTS data model each entity type is defined in business terms.  In an entity diagram, entity types are represented as rectangles.  Each entity type has a unique, singular noun phrase assigned as its name.   In a relational data model, each entity type instance is uniquely identified by a primary key.

History

When ANSI first laid out the idea of a logical schema in 1975,[2] the choices were hierarchical and network. The relational model – where data is described in terms of tables and columns – had just been recognized as a data organization theory but no software existed to support that approach.

Information as a currency and asset

Retailing in the 21st century is as much about managing information as it is about managing cash, merchandise, customers, stores, vendors and other “real world” business assets.  Most retail decision makers rely on information to make decisions because they can not personally visit and observe every retail site personally.

To be useful, information has to be identified, named, described and organized into a coherent structure so it can be understood by decision makers.  Data modeling provides a formal set of tools and procedures to make information useful.  The formality and discipline introduced by data modeling is vital in figuring out what retail reports actually are telling decision makers.

Consider the terms item, article, product, SKU and merchandise.  They each mean different things to different people.  The data model by defining each entity type clarifies what each term means.  Where some are used as synonyms, they are explicitly referenced as such.

What is the difference between conceptual, logical and physical data models?

What is the difference between logical data model and conceptual data model?

Зачем использовать модель данных?

Основная цель использования модели данных:

• Обеспечивает точное представление всех объектов данных, необходимых для базы данных. Пропуск данных приведет к созданию ошибочных отчетов и даст неправильные результаты.
• Модель данных помогает проектировать базу данных на концептуальном, физическом и логическом уровнях.
• Структура модели данных помогает определить реляционные таблицы, первичные и внешние ключи и хранимые процедуры.
• Он обеспечивает четкое представление о базовых данных и может использоваться разработчиками базы данных для создания физической базы данных.
• Также полезно определить отсутствующие и избыточные данные.
• Несмотря на то, что первоначальное создание модели данных является трудоемким и длительным, в конечном итоге это делает обновление и обслуживание ИТ-инфраструктуры дешевле и быстрее.

Концептуальная модель

Основная цель этой модели — установить сущности, их атрибуты и их взаимосвязи. На этом уровне моделирования данных едва ли есть какая-либо подробная информация о фактической структуре базы данных.

3 основных арендатора модели данных

Entity : реальная вещь

Атрибут : характеристики или свойства объекта

Отношения : Зависимость или связь между двумя объектами

Например:

• Клиент и Продукт — это две сущности. Номер и имя клиента являются атрибутами объекта «Клиент»
• Название продукта и цена являются атрибутами объекта продукта
• Продажа — это отношения между клиентом и продуктом

Характеристики концептуальной модели данных

• Предлагает общеорганизационный охват бизнес-концепций.
• Этот тип моделей данных предназначен для бизнес-аудитории.
• Концептуальная модель разрабатывается независимо от технических характеристик оборудования, таких как емкость хранилища данных, расположение или спецификации программного обеспечения, таких как поставщик СУБД и технологии. Цель состоит в том, чтобы представлять данные так, как их увидит пользователь в «реальном мире».

Концептуальные модели данных, известные как доменные модели, создают общий словарь для всех заинтересованных сторон, устанавливая основные понятия и объем.

Логическая модель данных

Логические модели данных добавляют дополнительную информацию к элементам концептуальной модели. Он определяет структуру элементов данных и устанавливает отношения между ними.

Преимущество логической модели данных состоит в том, чтобы обеспечить основу для формирования физической модели. Тем не менее, структура моделирования остается общей.

На этом уровне моделирования данных первичный или вторичный ключ не определен. На этом уровне моделирования данных необходимо проверить и настроить детали соединителя, которые были установлены ранее для отношений.

Характеристики логической модели данных

• Описывает потребности в данных для одного проекта, но может интегрироваться с другими логическими моделями данных в зависимости от объема проекта.
• Разработан и разработан независимо от СУБД.
• Атрибуты данных будут иметь типы данных с точной точностью и длиной.
• Процесс нормализации к модели применяется обычно до 3NF.

Преимущества и недостатки модели данных:

Преимущества модели данных:

• Основная цель разработки модели данных — обеспечить точное представление объектов данных, предлагаемых функциональной группой.
• Модель данных должна быть достаточно подробной, чтобы ее можно было использовать для построения физической базы данных.
• Информация в модели данных может использоваться для определения отношений между таблицами, первичным и внешним ключами и хранимыми процедурами.
• Модель данных помогает бизнесу общаться внутри и между организациями.
• Модель данных помогает документировать отображения данных в процессе ETL
• Help to recognize correct sources of data to populate the model

Disadvantages of Data model:

• To develop Data model one should know physical data stored characteristics.
• This is a navigational system produces complex application development, management. Thus, it requires a knowledge of the biographical truth.
• Even smaller change made in structure require modification in the entire application.
• There is no set data manipulation language in DBMS.

Типы моделей данных

Существует в основном три различных типа моделей данных:

1. Концептуальный: эта модель данных определяет ЧТО система содержит. Эта модель обычно создается заинтересованными сторонами и архитекторами данных. Цель состоит в том, чтобы организовать, охватить и определить бизнес-концепции и правила.
2. Логический: определяет, КАК система должна быть реализована независимо от СУБД. Эта модель обычно создается архитекторами данных и бизнес-аналитиками. Целью является разработка технической карты правил и структур данных.
3. Физические : Эта модель данных описывает КАК система будет реализована с использованием конкретной системы СУБД. Эта модель обычно создается администратором базы данных и разработчиками. Цель — фактическая реализация базы данных.

Физическая модель данных

Физическая модель данных описывает специфическую для базы данных реализацию модели данных. Он предлагает абстракцию базы данных и помогает создавать схемы. Это связано с богатством метаданных, предлагаемых физической моделью данных.

Этот тип модели данных также помогает визуализировать структуру базы данных. Это помогает моделировать ключи столбцов базы данных, ограничения, индексы, триггеры и другие функции РСУБД.

Характеристики физической модели данных:

• Физическая модель данных описывает потребность в данных для одного проекта или приложения, хотя она может быть интегрирована с другими физическими моделями данных на основе объема проекта.
• Модель данных содержит отношения между таблицами, которые обращаются к количеству и обнуляемости отношений.
• Разработано для конкретной версии СУБД, местоположения, хранилища данных или технологии, которая будет использоваться в проекте.
• Столбцы должны иметь точные типы данных, назначенные длины и значения по умолчанию.
• Определены первичные и внешние ключи, представления, индексы, профили доступа, авторизации и т. Д.